[发明专利]抑制MI-BCI系统误触发的系统及其训练和测试方法在审
申请号: | 202110966440.2 | 申请日: | 2021-08-23 |
公开(公告)号: | CN113807402A | 公开(公告)日: | 2021-12-17 |
发明(设计)人: | 綦宏志;周路佳 | 申请(专利权)人: | 天津大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 张建中 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 抑制 mi bci 系统 触发 及其 训练 测试 方法 | ||
1.一种抑制MI-BCI系统误触发的系统,包括MI-BCI系统,其特征在于,还包括:用于对肢体进行电刺激来产生体感诱发电位的电刺激单元,用于采集脑电信号的信号采集单元,用于提取脑电信号特征的特征提取单元,用于对脑电信号特征进行分类的特征分类单元;特征提取单元,其输入来自信号采集单元采集的脑电信号,其采用共空间模式算法提取脑电信号特征;特征分类单元,其输入来自特征提取单元提取的脑电信号特征,其采用支持向量机对提取的脑电信号特征进行模式识别分类,将脑电信号特征分类为靶任务和非靶任务,其将分类结果反馈至MI-BCI系统;MI-BCI系统,其接收来自信号采集单元采集的脑电信号,其根据特征分类单元的反馈信号,按照如下方式驱动执行器动作:当脑电信号分类为靶任务时,MI-BCI系统对应脑电信号发出信号,驱动执行器带动患肢作相应动作;当脑电信号识别为非靶任务时,MI-BCI系统不驱动执行器动作。
2.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,信号采集单元采用Neuroscan公司生产的64导脑电采集系统,通过银或氯化银合金电极帽采集60导0.5~100Hz的脑电信号。
3.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,电极帽的导联分布情况依据国际标准10或20电极系统;其中参考电极接至鼻尖,接地电极接至前额。
4.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,信号采集单元采样频率为1000Hz,并滤除50Hz工频干扰。
5.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,电刺激单元采用脉宽为100~200μs的双相脉冲电流,通过自粘性心电电极对肢体施加刺激,刺激频率为30~32Hz。
6.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,还包括脑电信号预处理单元,脑电信号预处理单元,其对来自信号采集单元的脑电信号进行滤波预处理后输出至特征提取单元,其采用共平均参考方法对采集的数据进行空间滤波,并将信号降采样至200Hz。
7.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,特征提取单元包括8-13Hz带通滤波器、13-30Hz带通滤波器和30-32Hz带通滤波器,特征提取单元将采集的脑电信号分别经过这三个频带的带通滤波后,得到对应三个频带的脑电数据,并分别对每个频带的脑电数据进行特征提取。
8.根据权利要求7所述的抑制MI-BCI系统误触发的系统,其特征在于,特征提取单元对每个频带的EEG成分计算CSP投影矩阵,进而分别提取每个EEG成分的空间特征。
9.根据权利要求1所述的抑制MI-BCI系统误触发的系统,其特征在于,特征提取单元和特征分类单元的训练和测试样本通过对健康的被试进行实验获得;实验时,对被试一侧肢体施加电刺激信号;电刺激采用脉宽为200μs的双相脉冲电流,通过两个自粘性心电电极施加刺激,刺激频率为31Hz,刺激强度调整至使用者手指轻微震颤,以产生稳定且清晰可见的SSSEP为止;设置三种干扰任务作为测试任务,分别为肢体运动想象,肢体运动执行和心算任务;采集任务执行期内4s的脑电信号数据,并依次进行8-13Hz、13-30Hz和30-32Hz的带通滤波处理后,作为训练或测试样本。
10.一种权利要求1至9任一所述的抑制MI-BCI系统误触发的系统的训练和测试方法,其特征在于,包括如下步骤:
步骤1,首先对原始信号预处理得到X,选取每个样本的任务期数据,作相应特征频段的带通滤波得到Xi,其中i=1、2、3分别对应alpha、beta和SSSEP频段;
步骤2,对于每个频带,划分训练集Xtrain_i和测试集Xtest_i;
步骤3,基于训练集样本构建CSP滤波器,得到投影矩阵Wi;由Wi空间滤波后得到Zi=WiTXtrain_i,设Zip(p=1,2,…,2m)代表滤波后信号Zi中前m行和后m行,则单个试次的特征计算公式为:
选取适合大小的m,得到某一频带下的特征向量ftrain_i,则训练特征ftrain=[ftrain_1,ftrain_2,ftrain_3]为三个频带特征的组合;
步骤4,对于每个频带,将测试集送入由训练集样本构建的投影矩阵Wi,得到ftest_i,则测试样本特征为ftest=[ftest_1,ftest_2,ftest_3];
步骤5,将步骤3得到的特征向量ftrain作为训练数据对支持向量机进行训练;将步骤4得到的特征向量ftest作为测试数据,将其送入由训练集特征构造的分类器中得到预测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110966440.2/1.html,转载请声明来源钻瓜专利网。